如何筛选Pandas唯一结果中的非数值型值？

问题描述 #

我有一个Pandas Series，调用.unique()方法获取所有唯一值后，尝试筛选出仅包含非数值型的唯一值，执行代码时出现以下错误：

AttributeError: 'float' object has no attribute 'isnumeric'

报错代码：

values = data['Column Name'].unique()
non_numeric_values = [value for value in values if not value.isnumeric()] # 报错行

需要解决的问题：

1. 如何实现筛选仅非数值型值的目标？
2. 该列可能为object dtype，值可能是字符串类型。

解决方案 #

报错原因 #

报错是因为Series中存在float类型的值（比如空值NaN会被自动转为float），而float对象没有isnumeric()方法——这个方法仅适用于字符串类型。

方法1：统一转字符串后判断（简单直接） #

先把所有值转为字符串，再做数值判断，同时按需处理空值：

import pandas as pd

values = data['Column Name'].unique()
non_numeric_values = [
    value for value in values 
    if not (str(value).isnumeric() or pd.isna(value))
]

• str(value)确保所有值都转为字符串，避免float类型报错
• pd.isna(value)用于排除空值（如果需要保留空值，直接去掉这个判断条件即可）

方法2：用Pandas内置函数（高效稳妥） #

如果数据量较大，列表推导式效率偏低，推荐用Pandas的to_numeric函数处理：

import pandas as pd

# 将唯一值转为Series
unique_series = pd.Series(data['Column Name'].unique())
# 把无法转为数值的内容标记为NaN，再筛选原Series中对应非NaN的内容
non_numeric_values = unique_series[pd.to_numeric(unique_series, errors='coerce').isna()].tolist()

• pd.to_numeric(..., errors='coerce')会将所有无法转为数值的内容转为NaN
• 筛选原Series中对应位置不为NaN的值，就是我们要的非数值型唯一值
• 这个方法自动兼容字符串、数值、空值等各种类型，适用性更广

方法3：精细类型判断（按需选择） #

如果需要区分纯数字字符串和真正的数值类型（比如要排除"123"但保留"123a"），可以用类型判断结合字符串检查：

import pandas as pd

values = data['Column Name'].unique()
non_numeric_values = []
for value in values:
    if pd.isna(value):
        continue  # 按需决定是否保留空值
    # 排除数值类型（int/float）
    if isinstance(value, (int, float)):
        continue
    # 排除纯数字字符串
    if isinstance(value, str) and value.isnumeric():
        continue
    non_numeric_values.append(value)

内容的提问来源于stack exchange，提问作者christophriepe